您当前的位置：
首页 >
文章列表页 >
时空对比学习驱动的弱监督图像语义分割网络
信息科学 | 更新时间：2026-09-11
上一篇|下一篇

    • 时空对比学习驱动的弱监督图像语义分割网络

    • Weakly supervised image semantic segmentation network driven by spatio-temporal contrastive learning

    • “"现有基于视觉变换器（Vision Transformer， ViT）的图像级弱监督语义分割方法主要依赖自注意力机制提取有限的语义信息，未能充分利用多维特征关系，导致目标区域的识别较为粗略"，介绍了其在计算机视觉领域的研究进展，该团队探索了时空对比学习驱动的弱监督语义分割课题，为解决图像分割精度不足问题提供解决方案。”
    • 梁臻 ，胡燕祝 ，杨洋
    • 光学精密工程 2026年34卷第1期 页码：150-166

    • DOI： 10.37188/OPE.20263401.0150     

      中图分类号：
    • CSTR： 32169.14.OPE.20263401.0150     

    • 修回：2025-09-30 ，

    移动端阅览

  •  
  •  

  • AI导读

  • HTML全文

  • 图( 6 ) 表( 9 )

  • 参考文献

  • 出版信息

  • 数据统计

365

浏览量

743

下载量

0

CSCD

文章被引用时，请邮件提醒。
提交
工具集
  • BibTeX下载
  • Endnote下载
  • RefMan 下载
  • NoteExpress下载
  • NoteFirst下载

相关文章

融合多头自注意力与双重特征重标定的高分辨率遥感建筑物提取
面向高分辨率遥感图像分割的级联精炼网络
微小圆线圈的语义分割与精密测量研究
基座模型分割先验的列车故障轻量化检测
空域与频域融合的多尺度浑浊水图像增强

相关作者

韩轶龙
巩丹超
郑敏
侯嘉雯
刘春娟
赵浩然
闫浩文
吴小所

相关机构

山东科技大学 测绘与空间信息学院
空间基准全国重点实验室
中国测绘科学研究院
智能空间信息国家级重点实验室
西安测绘研究所